View a markdown version of this page

AgentCore informations : triez les défaillances des agents grâce à l'analyse des modèles - Amazon Bedrock AgentCore
Comment les informations sont déclenchéesDu triage à l'optimisation

AgentCore informations : triez les défaillances des agents grâce à l'analyse des modèles

Note

AgentCore insights est disponible en avant-première publique. Les fonctionnalités et les API peuvent changer avant leur disponibilité générale.

Note

Lorsque vous utilisez AgentCore des informations dans ap-south-1, le service utilise les profils d'inférence interrégionaux de Bedrock APAC. Lorsque vous utilisez AgentCore des informations dans ap-northeast-2, le service utilise les profils d'inférence interrégionaux globaux de Bedrock. Dans les deux cas, votre demande peut être acheminée vers l'une des régions de destination figurant dans le profil. Ce routage peut avoir lieu même si vous n'avez pas opté pour ces régions ou si des politiques de contrôle des services interdisent explicitement toute inférence dans ces régions. Les demandes d'entrée et les résultats de sortie peuvent être stockés dans ces régions de destination à des fins de détection des abus.

Amazon Bedrock AgentCore Insights analyse les sessions de vos agents afin d'identifier les modèles d'échec, d'extraire les intentions des utilisateurs et de résumer le comportement d'exécution. Insights étend les AgentCore évaluations en fournissant une analyse de triage qui va au-delà de la notation : elle vous explique pourquoi votre agent échoue et ce que vos utilisateurs essaient d'accomplir.

AgentCore insights propose trois types d'analyse :

  • Analyse des défaillances : identifie les défaillances dans les sessions des agents, les catégorise à l'aide d'une taxonomie détaillée (erreurs d'outil, hallucinations, raisonnement incorrect, comportements répétitifs, etc.), retrace les causes profondes jusqu'à des intervalles spécifiques et fournit des recommandations pour y remédier.

  • Extraction des intentions de l'utilisateur : extrait ce que les utilisateurs essayaient d'accomplir au cours de chaque session, puis regroupe les intentions similaires pour vous montrer les cas d'utilisation les plus courants gérés par votre agent.

  • Résumé de l'exécution : résume l'approche adoptée par l'agent et le résultat de chaque session, puis regroupe des modèles d'exécution similaires pour révéler comment votre agent résout généralement les problèmes.

Après une analyse par session, le service regroupe les résultats d'une session à l'autre pour mettre en évidence des modèles récurrents. Pour l'analyse des défaillances, cela produit une hiérarchie à trois niveaux : catégories de défaillances → sous-catégories → clusters responsables des causes premières, chacun avec les sessions concernées, des explications et des recommandations de correction.

Comment les informations sont déclenchées

L'analyse des informations peut être déclenchée de deux manières :

  • Une fois par le biais d'une évaluation par lots : appelez StartBatchEvaluation insights pour exécuter une analyse sur une période de sessions. Les résultats sont renvoyés viaGetBatchEvaluation.

  • Récurrent via un calendrier de clustering : configurez une ClusteringConfig configuration d'évaluation en ligne avec une ou plusieurs fréquences (DAILYWEEKLY, ouMONTHLY). Le service déclenche automatiquement des tâches d'évaluation par lots selon la cadence configurée. Vous pouvez également créer un rapport personnalisé dans le calendrier récurrent pour indiquer une date et une heure spécifiques.

Per-session l'analyse des informations s'exécute automatiquement lorsque les informations sont configurées via CreateOnlineEvaluationConfig, mais les résultats groupés indiquent que les motifs de surface ne sont générés que lors des tâches d'évaluation par lots.

Du triage à l'optimisation

AgentCore insights travaille en collaboration avec AgentCore l'optimisation pour boucler la boucle d'amélioration. Une fois que Insights a identifié les modèles de défaillance et leurs causes profondes, vous pouvez intégrer ces résultats à l'API Recommendations afin de générer une invite système améliorée qui résout les problèmes triés. Cela transforme les résultats de diagnostic en modifications de configuration exploitables :

  1. Triage : analysez des informations pour identifier les catégories de défaillances récurrentes et leurs causes profondes.

  2. Générer une recommandation : appelez StartRecommendation à l'aide de l'invite de votre système actuel et pointez-la vers les mêmes traces d'agents. Le service produit une invite système recommandée avec une explication de ce qu'il a changé.

  3. Valider : utilisez A/B des tests pour comparer les configurations d'origine et recommandées avec le trafic réel.